Optimasi Strategi Pemasaran Tersegmentasi Menggunakan Pendekatan Hybrid IndoBERT dan K-Means untuk Personalisasi Layanan

Paula, Eka Wijaya

doi:10.33772/jfe.v11i1.1161

Abstract — Traditional e-commerce segmentation using standard K-Means and RFM variables often fails to detect churn risk among high-spending customers due to the lack of emotional indicators. This study proposes a Feature Fusion architecture integrating sentiment probabilities into the RFM-R matrix. Sentiments are extracted using a Hybrid IndoBERT-BiLSTM model, achieving an F1-Score of 91.1% on Indonesian reviews. Experimental results show that adding sentiment dimensions shifted the optimal clusters from k=3 (Silhouette Score 0.3771) to k=4 (Silhouette Score 0.3322). Despite a minor geometric penalty, this hybrid approach successfully isolated a hidden "At-Risk VIP" segment—high-spending customers with critical negative sentiments. The proposed methodology provides superior predictive resolution for Customer Lifetime Value (CLV) and facilitates targeted retention strategies. Keyword — Customer Lifetime Value, E-commerce, Feature Fusion, Hybrid IndoBERT, K-Means Clustering. Abstrak — Segmentasi e-commerce tradisional menggunakan K-Means dan variabel RFM standar seringkali gagal mendeteksi risiko churn pada pelanggan bernilai tinggi karena ketiadaan indikator emosional. Penelitian ini mengusulkan arsitektur Fusi Fitur yang mengintegrasikan probabilitas sentimen ke dalam matriks RFM-R. Sentimen diekstraksi menggunakan model Hybrid IndoBERT-BiLSTM, yang mencapai F1-Score 91.1% pada ulasan berbahasa Indonesia. Hasil eksperimen menunjukkan bahwa penambahan dimensi sentimen menggeser klaster optimal dari k=3 (Silhouette Score 0.3771) menjadi k=4 (Silhouette Score 0.3322). Meskipun terdapat penalti geometris minor, pendekatan hibrida ini berhasil mengisolasi segmen "VIP Berisiko" yang sebelumnya tersembunyi—pelanggan dengan pembelanjaan besar namun bersentimen sangat negatif. Metodologi usulan ini memberikan resolusi prediktif superior untuk Customer Lifetime Value (CLV) dan memfasilitasi strategi retensi yang tepat sasaran. Kata kunci — Customer Lifetime Value, E-commerce, Fusi Fitur, Hybrid IndoBERT, Klasterisasi K-Means.